Académique Documents
Professionnel Documents
Culture Documents
MAINTENABILITE
DISPONIBILITE
FMD
Facult
des Sciences de la Technologie
Dpartement Gnie des
Transports
On sait que lanalyse de la fiabilit constitue une phase indispensable dans toute
tude de sret de fonctionnement. A l'origine, la fiabilit concernait les
systmes haute technologie (centrales nuclaires, arospatial). Aujourd'hui, la
fiabilit est devenue un paramtre cl de la qualit et daide la dcision, dans
l'tude de la plupart des composants, produits et processus "grand public":
Transport, nergie, btiments, composants lectroniques, composants
mcaniques.
De nombreux industriels travaillent lvaluation et lamlioration de la fiabilit
de leurs produits au cours de leur cycle de dveloppement, de la conception la
mise en service (conception, fabrication et exploitation) afin de dvelopper leurs
connaissances sur le rapport Cot/Fiabilit et matriser les sources de dfaillance.
Dcembre 2013
2
TABLE DES MATIERES
Prface
Introduction Gnrale 5
A. Premire partie: LA FIABILITE
Chapitre I: Concepts Gnraux de la Fiabilit 7
I.1 Dfinition 7
I.2 Fiabilit et problmatique 7
I.3 Indicateurs de Fiabilit 9
I.4 les diffrentes phases du cycle de vie en mcanique 11
I.5 Objectifs et intrts de la fiabilit en mcanique 14
I.6 Evolution des cots en fonction de la fiabilit 14
I.7 Fiabilit d'un systme 15
I.8 La relation entre la fiabilit et la maintenance 23
Chapitre II: Lois de fiabilit 29
II.1 Introduction 29
II.2 Les lois de probabilit utilises en fiabilit 29
II.2.1 Les lois discrtes 29
II.2.2 Les lois continues 33
II.3 Etude des lois de fiabilit 42
II.3.1 Les lois discrtes 42
II.3.2 Les lois continues 45
Chapitre III: Lois de Weibull 54
III.1 Introduction 54
III.2 La lois de Weibull 54
III.3 Fonction de fiabilit R(t) 54
III.4 Domaine d'application 56
III.4.1 Papier de Weibull 56
III.5 Exemple d'application 62
III.5.1 Cas d'un rducteur de vitesse 62
III.5.2 Cas d'une vis sans fin 68
III.5.3 Application pneus 72
B. Deuxime partie: LA MAINTENABILITE
Chapitre I: Maintenabilit 76
I Dfinition 77
3
I.1 Commentaire 77
I.2 Maintenabilit et maintenance 78
I.3 Maintenabilit et Disponibilit 78
I.4 Construction de la maintenabilit intrinsque 78
II Analyse de la maintenabilit oprationnelle 81
III Approche mathmatique de la maintenabilit 82
IV Exemples d'application 85
C. Troisime partie: LA DISPONIBILITE
Chapitre I: Concept de la disponibilit 90
I Introduction 90
II Quantification de la disponibilit 91
II.1 Disponibilit moyenne 91
II.2 Disponibilit intrinsque 91
II.3 Disponibilit oprationnelle 92
III Exemples d'application 93
Chapitre II: la disponibilit des systmes rparable 95
I Dfinition des diffrentes formes 95
I.1 Dfinition 95
I.2 Explication sur les diffrentes Disponibilit 96
I.3 Analyse de disponibilit oprationnelle 98
II Approche mathmatique de la disponibilit 99
II.1 Modles d'valuation de Dop 99
II.2 Modes de saisie de Dop 99
II.3 Modlisation de la disponibilit instantane 100
II.4 Composition des disponibilits asymptotiques 101
II.5 Composition des disponibilits oprationnelles 101
Rfrences bibliographique 105
4
Introduction Gnrale
Lexcution de la maintenance dans une entreprise industrielle est dune importance capitale
pour maintenir les quipements en tat de bon fonctionnement. La maintenance, dans sa plus
large dfinition, est lensemble de toutes les oprations de gestion, de programmation et
dexcution. Le calcul de la fiabilit dun quipement constitue un outil incontournable pour
valuer lefficacit de nimporte quelle entit. Les concepteurs et les utilisateurs sont souvent
confronts des contraintes par pauvret ou par manque de modles permettant de faire des
tudes prvisionnelles correctes. Le taux de dfaillance est souvent considr comme
constant ce qui est manifestement faux en mcanique do lintrt doutils, de modles ou de
mthodes plus adaptes. Le calcul de la fiabilit des systmes mcaniques est influenc par les
caractristiques suivantes:
Ainsi, le choix dune loi de comportement du matriel (calcul de la fiabilit) devient une tache
trs complique. Le prsent polycopi sadresse aux tudiants master de loption maitrise des
risques industriels, poursuivant leur formation la facult des sciences de lingnieur. La
conduite du calcul est conditionne par le choix convenable dune loi de fiabilit dcrivant le
comportement des diffrents composants constituants une entit.
Le but de la maintenance cest de mettre en uvre les objectifs (cots, dlai, qualit, etc.) fixs
par la direction de production en tenant compte des vnements (perturbations, alas, etc.) de
lenvironnement.
La stratgie de la maintenance est lensemble des dcisions qui conduisent :
5
Chapitre I : Concepts gnraux de la Fiabilit
Chapitre II : Lois de Fiabilit
Chapitre III : Loi de Weibull
6
Chapitre I : Concepts Gnraux de la Fiabilit
I.1 Dfinition
La fiabilit caractrise laptitude dun systme ou dun matriel accomplir une fonction
requise dans des conditions donnes pendant un intervalle de temps donn.
La fiabilit a sans doute pris son dveloppement depuis la dernire guerre mondiale. Elle est
vite devenue une science part entire dans les applications appartenant de nombreux
domaines. Elle a pour fondements mathmatiques la statistique et le calcul des probabilits
qui sont ncessaires la comprhension et lanalyse des donnes de fiabilit.
La dfaillance (la non fiabilit) augmente les cots daprs-vente (application des garanties,
frais judiciaires,etc.).
Construire plus fiable augmente les cots de conception et de production, en pratique, le cot
total dun produit prend en compte ces deux tendances.
Considrons un matriel dont on tudie la fiabilit. Soit Z la variable alatoire qui chaque
matriel associe son temps de bon fonctionnement. On choisi un de ces matriels au hasard.
Soit les vnements A : Le matriel est en tat de bon fonctionnement linstant t et B :
Le matriel est dfaillant linstant t + On a alors :
( ) ( ) et ( ) ( ) (I.1)
Donc ( ) ( )
= ( ) ( )
( ( )) ( ( ))
( ) ( )
( ) ( ) ( )
On en dduit que ( ) (I.2)
( ) ( )
F(t)= P(T t)
Le nombre F(t) reprsente la probabilit quun dispositif choisi au hasard ait une dfaillance
avant linstant t. La figure I.1 donne lallure de cette fonction.
7
Figure I.1. Fonction de dfaillance
Cette fonction nous amne naturellement une fonction associe : la fonction de fiabilit R
dfinie pour tout t 0 par : R(t)= 1-F(t). Le nombre R(t) reprsente la probabilit quun
dispositif choisi au hasard dans la population nait pas de dfaillance avant linstant t. La
figure I.2 montre les deux fonctions associes.
8
Physiquement le terme (t).t, mesure la probabilit quune dfaillance dun
dispositif se produise dans lintervalle de temps [t, t+t] sachant que ce dispositif a
bien fonctionn jusqu linstant t
( )
(t) = (I.5)
( ) ( )
( )
( )
( ) ( )
=
( ) ( )
( ) ( ) ( ) (I.6)
On alors :
( ) ( )
( ) et ( ) (I.7)
Le MTBF (Mean Time Between Failure) est souvent traduit comme tant la moyenne des
temps de bon fonctionnement mais reprsente la moyenne des temps entre deux dfaillances.
En dautres termes, Il correspond lesprance de la dure de vie t.
( ) (I.9)
9
Physiquement le MTBF peut tre exprim par le rapport des temps
1
Si est constant : MTBF (I.11)
Exemple : un compresseur industriel a fonctionn pendant 8000 heures en service continu avec
5 pannes dont les dures respectives sont : 7 ; 22 ; 8,5 ; 3,5 et 9 heures. Dterminer son MTBF.
( )
La courbe ci-dessous montre lvolution du taux des dfaillances pour les diffrentes entits.
Les courbes du taux de dfaillance, figure I.3 ont une mme forme gnrale dite en baignoire,
mais prsentent nanmoins des diffrences suivant la technologie principale du systme
tudi:
A. en mcanique.
B. en lectromcanique.
C. en lectronique.
10
I.4 Les diffrentes phases du cycle de vie dun produit :
Lvolution du taux de dfaillance dun produit pendant toute sa dure de vie est caractrise
par ce quon appelle en analyse de fiabilit la courbe en baignoire Figure I.4.
Le taux de dfaillance est lev au dbut de la vie du dispositif.
Ensuite, il diminue assez rapidement avec le temps (taux de dfaillance dcroissant), cette
phase de vie est appele priode de jeunesse.
Aprs, il se stabilise une valeur quon souhaite aussi basse que possible pendant une priode
appele priode de vie utile (taux de dfaillance constant).
A la fin, il remonte lorsque lusure et le vieillissement font sentir leurs effets, cest la priode
de Vieillissement (taux de dfaillance croissant):
De nombreux lments, tels que les composants lectroniques, ont un taux de dfaillance qui
volue de cette manire l.
Pour souligner la particularit des composants mcaniques dans lanalyse de la fiabilit par
rapport aux composants mcaniques, nous allons comparer lvolution du taux de dfaillance
dans les deux cas.
Lexprience a montr que pour des composants lectroniques la courbe, reprsentant le taux
de dfaillance en fonction du temps t, a la mme allure que la courbe en baignoire figure I.3.
Elle est donc compose de trois phases :
(1) Phase 1
La premire phase dfinit la priode de jeunesse, caractrise par une dcroissance rapide du
taux de dfaillance. Pour un composant lectronique cette dcroissance sexplique par
llimination progressive de dfauts dus aux processus de conception ou de fabrication mal
matris ou un lot de composants mauvais. Cette priode peut tre minimise pour les
11
composants vendus aujourdhui. En effet, les fabricants de composants lectroniques se sont
engags vrifier la qualit de leurs produits en sortie de fabrication.
(2) Phase 2
La deuxime phase dfinit la priode de vie utile gnralement trs longue. Le taux de
dfaillance est approximativement constant. Le choix de la loi exponentielle, dont la proprit
principale est dtre sans mmoire, est tout fait satisfaisant. Les pannes sont dites alatoires,
Leur apparition nest pas lie lge du composant mais dautres mcanismes
dendommagement. Les calculs prvisionnels de fiabilit se font presque souvent dans cette
Priode de vie utile.
(3) Phase 3
La dernire phase est la priode de vieillissement, elle est caractrise par une augmentation
progressive du taux de dfaillance avec lge du dispositif. Ceci est expliqu par des
phnomnes de vieillissement tels que lusure, lrosion, etc. Cette priode est trs nettement
au-del de la dure de vie relle dun composant lectronique. Parfois, on ralise des tests de
vieillissement acclrs pour rvler les diffrents modes de dfaillance des composants.
Les composants mcaniques sont soumis, ds le dbut de leur vie, au phnomne dusure ou
de vieillissement. Si on trace la courbe du taux de dfaillance, en fonction du temps, on obtient
une courbe qui ne prsente pas le plateau de la figure I.4 la priode de vie utile (taux de
dfaillance constant) nexiste pas ou elle est rduite. Le taux de dfaillance du dispositif est
une fonction non linaire du temps et ceci dans chaque phase de sa vie (voir figure I.5):
(1) phase 1 :
La premire phase dfinit la priode de mortalit infantile. Cest une dure de vie en principe
trs courte Elle dcrite par une dcroissance progressive du taux de dfaillance avec le temps
d une amlioration des caractristiques internes (caractristiques de dfauts) et des
interfaces, par un rodage pralable des pices. Par consquent il nest pas souhaitable de tester
les composants mcaniques dans cette priode de leur vie.
12
(2) phase 2 :
0,016
Taux de 0,014
heures MTBF
dfaillance
1000 66.7 0.015 0,012
2000 100 0.01 courbe de fiabilit de la gnratrice
Taux de dfaillance
0,016
0,014
0,010
0,008
0,006
0,004
0,002
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Heure*1000
13
On constate que la gnratrice commence se dgrader partir de 12000 heures de
fonctionnement. Le comportement en baignoire du taux de dfaillance est signe dun
fonctionnement plus au moins normal.
Lanalyse de la fiabilit constitue une phase indispensable dans toute tude de sret de
fonctionnement. A lorigine, la fiabilit concernait les systmes haute technologie (centrales
nuclaires, arospatial). Aujourdhui, la fiabilit est devenue un paramtre cl de la qualit et
daide la dcision, dans ltude de la plupart des composants, produits et processus grand
public: Transport, nergie, btiments, composants lectroniques, composants mcaniques....
De nombreux industriels travaillent lvaluation et lamlioration de la fiabilit de leurs
produits au cours de leur cycle de dveloppement, de la conception la mise en service
(conception, fabrication et exploitation) afin de dvelopper leurs connaissances sur le rapport
Cot/Fiabilit et matriser les sources de dfaillance.
Lanalyse de la fiabilit dans le domaine de la mcanique est un outil trs important pour
caractriser le comportement du produit dans les diffrentes phases de vie, mesurer limpact
des modifications de conception sur lintgrit du produit, qualifier un nouveau produit et
amliorer ses performances tout au long de sa mission.
Le non fiabilit augmente les cots daprs vente (garanties, frais judiciaires). Construire plus
fiable, augmente les cots de conception et de production. Le cot total prend en compte ces
deux contraintes.
Cots
Cot total
Cots conception et
production Cots aprs- vente
R
14
La fiabilit dune machine tendance diminuer avec le nombre de ses composants ou de
leurs complexits. La matrise de la fiabilit devient donc plus dlicate.
Une trs haute qualit pour chaque composant, nentrane pas ncessairement une grande
fiabilit. Aprs assemblage, les interactions entre les composants diminuent la capacit de
lensemble.
Une grande fiabilit sous certaines conditions, nimplique pas une grande fiabilit sous
dautres conditions (exemple: une huile moteur de synthse prvue pour des moteurs moderne
(multisoupapes et turbo) ne convient pas forcment pour un moteur de conception plus
rudimentaire (tondeuse, moteur us, voiture ancienne).
En srie
La fiabilit Rs dun ensemble de n constituants connects en srie est gale au produit des
fiabilits respectives RA, RB, RC, Rn de chaque composant.
Rs = RA * RB * RC *...*Rn
Si les n composants sont identiques avec une mme fiabilit R la formule sera la suivante :
R(s) = Rn
A B C n
Entre RC C R n n Sortie
R A A R B B
15
Si les taux de dfaillances sont constants au cours du temps la fiabilit sera calcule suivant la
formule:
R(s) = ( )* ( )* ( )*. ( ) (I.12)
Avec : 1
MT BF(s) (I.13)
A B C ... n
Alors:
1
R(s)= ( ) et MTBF (I.14)
n
Exemple 1 :
Soit un poste de radio constitu de quatre composants connects en srie, une alimentation
RA=0.95, une partie rcepteur RB=0.92 ; un amplificateur RC=0.97 et haut parleur RD= 0.89 ;
dterminer la fiabilit RS de lappareil.
RS= RA. RB .RC. RD=0.95x 0.92x0.97x0.89=0.7545 (soit une fiabilit de 75% environ)
Exemple 2 :
Soit une imprimante constitue de 2000 composants monts en srie supposs tous de mme
fiabilit, trs leve R= 0.9999, Dterminer la fiabilit de lappareil.
R(s)= (soit une fiabilit de 82 % environ
Si on divise par deux le nombre des composants
R(s)= (environ 90.5%)
Si on souhaite avoir une fiabilit de 90 % pour lensemble des 2000 composants monts en
srie, dterminons la fiabilit que doit avoir chaque composant
RS=
Expression que lon peut crire, partir des logarithmes npriens sous la forme
Do R=0.999945
Exemple 3 :
Une machine de production dont la dure totale de fonctionnement est de 1500 heures, se
compose de quatre sous-systmes A, B, C et D monts en srie et ayant les MTBF respectifs
suivants : MTBFA = 4500 heures MTBFB= 3200 heures MTBFC= 6000 heures
MTBFD= 10500 heures. Dterminons les taux de pannes et le MTBF global (MTBFS)
a) Taux de pannes de lensemble
16
Le taux de dfaillance global ( )
( )
La fiabilit globale scrit : 0.303 (30.3%)
Remarque :
Si on divise par deux la dure de fonctionnement de la machine (750 heures)
( )
( ) 0.550 (55%)
b) la MTBF de lensemble
, Soit un temps de 1255 heures entre deux
dfaillances
c) Quelle est la probabilit que le systme parvienne sans pannes jusqu' 5000 heures
( )
( ) 0.0186 (environ 2 %)
En parallle
La fiabilit dun systme peut tre augmente en plaant les composants en parallle. Un
dispositif constitu de n composants en parallle ne peut tomber en panne que si les n
composants tombent en panne au mme moment.
Si Fi est la probabilit de panne dun composant, la fiabilit associe Ri est son
complmentaire:
Fi = 1 Ri (I.15)
Entre Sortie
i
Le cas particulier de deux dispositifs en parallle si est constant RS est obtenu par :
( )
( )( )
17
Exemple :
Trois dispositifs A, B et C de mme fiabilit RA= RB= RC=0.75 sont connects en parallle
a) Dterminons la fiabilit la fiabilit de lensemble
( )
Si on rduit le nombre des composants deux
( )
Si on met quatre dispositifs en parallle
( )
b) Quel nombre de diapositif en parallle faudrait-il mettre pour avoir une fiabilit globale
de 0,999 (99,9%)
( ) ( )
Do ( )
En utilisant les logarithmes npriens
( ) ( )
( ) ( )
18
1.7.2.3 Cas o m composants sur les n sont ncessaires au succs du systme
Si on suppose que le systme se compose de n composants K, tous de mme fiabilit R, et
quil doit y avoir au moins deux composants en tat de fonctionnement, la fiabilit de
lensemble est donne par la relation
( ) ( )
( )
Exemple 1 :
Cas avec trois composants K avec un minimum de deux composants actifs sur les trois
disponibles au dpart. On tolre que le systme de dfaillance dun seul composant sur les
trois. Il doit y avoir au moins deux composants en fonctionnement ou en activit pour
accomplir la mission, la relation prcdente donne avec n=3 et m=2
( )
Exemple 2 :
cas avec quatre composants K en parallle avec un minimum de deux composants actifs sur
les quatre composants disponible au dpart. On peut tolrer que le systme de dfaillance de
deux composants sur les quatre. Il doit y avoir au moins deux composants en fonctionnement
ou en activit pour accomplir la mission, la relation prcdente donne avec n=4 et m=2
( ) ( )
1.7.3 Combinaison de composants en srie et en parallle
Cest la combinaison des deux sous-paragraphes prcdents
Exemple :
La fiabilit des trois composants identiques A, B et C est de 0.65, celle de D de 0,96 ; celle de
E 0, 92 celle de G 0, 87 celle de F de 0,89 et celle de H de 1 (100%)
La fiabilit globale R est exprime ici par
[ ( ) ][ ][ ( )( ]
( )
Exemple 2 :
Considrant une machine automatise fonctionnant pendant un cycle opratoire de 155 heures.
Pendant cette priode le systme subit 5 dfaillances des moments diffrents, suivies dune
rparation puis dune remise en activit. Les dures respectives des dfaillances sont : 2,5h ;
8,3h ; 3,7 ; 1,8 et 7,5 h
( )
19
I.7.4 La loi de survie
Soit un groupe de 300 matriels identiques, utiliss de la mme manire et mis en service la
mme date.
Notons :
20
350
300
N(t)300
250
composants
200
150
100
50
0
0 1 2 3 4 5 6 7 8 9 10
priodes
50
45
40
mortalit absolue delta N(t)
35
30
25
20
15
10
5
0
0 1 2 3 4 5 6 7 8 9
priodes
0,175
0,150
f(t)
0,125
mortalit relative f(t)
0,100
0,075
0,050
0,025
0,000
0 1 2 3 4 5 6 7 8 9 10
priodes
21
1,2
0,9 R(t)
fiabilit
0,6
0,3
0,0
0 1 2 3 4 5 6 7 8 9 10
priodes
1,2
1,0
Z(t)
0,8
taux de dfaillances
0,6
0,4
0,2
0,0
0 1 2 3 4 5 6 7 8 9 10
priodes
Donc: ( )
( ) ( ) ( )
( )
Posons le rapport ( )
22
( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( )
( )
( )
On peut dduire que: ( )
( )
Tous les quipements dune installation industrielle sont soumis des mcanismes de
dgradation dus aux conditions de fonctionnement et/ou denvironnement : usure, fatigue,
vieillissement. Face aux dfaillances qui en rsultent, on peut se contenter de pratiquer une
maintenance corrective, mais on nvite pas ainsi les consquences des pannes que lon
subit. Une attitude plus dfensive consiste mettre en uvre une maintenance prventive
destine limiter, voire empcher, ces dfaillances, mais on court alors le risque de dpenses
excessives et dindisponibilits inutiles.
Devant cette situation, le responsable de maintenance ne doit plus se contenter de surveiller et
de rparer, il doit envisager des stratgies. Une part de son travail consiste prvoir les
vnements et valuer les diffrentes alternatives qui soffrent a lui pour trouver la solution
optimale, ou tout au moins pour sen rapprocher. Les forces dont il dispose, limites par ses
moyens techniques et financiers, doivent tre places aux bons endroits.
Cest dans ce contexte que la maintenance sest dote de mthodes qui considrent la fois, et
plus ou moins, la technique et lorganisation. Les industries de processus ont gnrale
applique des dmarches alliant une valuation des risques, une analyse du retour
dexprience, et une logique de slection de tches de maintenance. LOptimisation de la
Maintenance par la Fiabilit (OMF).
Nous remarquons tout dabord que les tudes de fiabilit et de maintenance sont
faites en parallle diffrents stades (tablissement du projet, fabrication,
rception, transport, exploitation et renouvellement) ces tudes tant tablies dun
point de vue la fois technique et conomique.
Les oprations de maintenance, quelque soit le genre considr, sont lies au
caractre alatoire de la dure de vie de llment et par suite, aux caractristiques
de fiabilit de llment : fonction de fiabilit, MTBF, taux de dfaillance
linstant t, etc.
La frquence des oprations de maintenance corrective est fonction des taux de
panne ou risques de panne De plus, nous pouvons dire que la maintenance
corrective, faisant diminuer le taux de panne, amliore la fiabilit.
Considrons le problme suivant : dans une entreprise, on se fixe un nombre N (t)
dquipements identiques quon veut maintenir en service chaque instant; on se
demande alors comment raliser cet objectif ? Grce la fiabilit, on peut donner
une rponse cette question. Dans le cas particulier o :
( ) ( ) (I.17)
23
Le nombre dquipements remplacer, depuis linstant zro jusqua linstant .
Intressons-nous un lment mis en fonctionnement linstant zro et
demandons-nous combien peut-il y avoir de renouvellements dans lintervalle de
temps (0, t) ? Evidemment, cette question est sans rponse stricte ; mais, lorsquon
connat la fiabilit de llment on peut calculer la probabilit pour quil y ait ou
bien 1 ou bien 2 ou bien 3,, renouvellements. On peut aussi calculer le nombre
moyen de renouvellement dans (0, t). Dans le cas particulier o le taux de panne
est constant, le nombre de renouvellements dans (0, t) est distribu selon la loi de
Poisson.
Les oprations de maintenance prventive sont effectuer lorsque la fonction
risque de panne est croissante, les poques de renouvellement sont alors
dtermines partir des caractristiques de fiabilit des lments considrs.
Lorsque le taux de panne est constant, il est vident quil ne faut pas faire de renouvellement
prventif. La figure de la courbe en baignoire ci-aprs explique les diffrente causes et
remdes de dfaillances lies aux trois phases de la dure de vie du matriel.
24
t = temps dopration
Rm(t) = fiabilit du systme maintenu
T = temps auquel on effectue la maintenance
( )
Effet de la maintenance idale sur la fiabilit est reprsent sur la figure suivante :
La prolongation de la dure de vie dun matriel ne peut se faire que par des actions de
maintenance. La figure I.9 schmatise ces actions.
la maintenance peut:
1. diminuer la fiabilit (erreur humaines dues l'intervention)
2. n'avoir aucun effet (aucun mcanisme de vieillissement, aucun phnomne d'usure)
3. amliorer la fiabilit (prsence de mcanisme de vieillissement, de phnomne d'usure)
La maintenance idale est la probabilit que le systme survive au temps t
( ) ( ) ( )
Aprs 2 oprations de maintenance : 2T t < 3T
( ) ( ) ( )
25
Aprs N oprations de maintenance :
( ) ( ) ( )
( )
( ) ( )
( )
( ) ( )
Pour t= T - NT
( ) [ ( ) ]
( ) [ ( ) ]
( )
( )
( )
( )
( ) ( ) ( )( )
( )
Ceci implique que la maintenance na aucun effet sur la fiabilit du systme dans le cas =
constant !!
Si on considre leffet de vieillissement quon peut modliser par la loi de Weibull deux
paramtres pour la simplification
( )
( )
( ) ( )
( ) ; ( )
( ) ( ) ( )
Pour : ( )
t aprs une maintenance prventive =0
26
Il y a un gain faire de la maintenance prventive lorsque lexposant m > 0:
Ou ( ) ( )
Exemple :
Un compresseur a t conu pour une dure de vie de 5 ans dopration (Td =5 ans). Les
observations ont dmontr quil y a deux faons quil tombe en panne :
1) La dfaillance dun roulement billes soumise une distribution Weibull =7.5 ans et
m=2.5
2) La dfaillance qui inclut toutes les autres causes avec un taux de dfaillance constant de
0=0.013/an
Trouver:
Solution
( )
( ) ( ) ( )
( )
( ) ( )
( ) [ ( ) ] [ ( ) ]
( )
( )
27
( ) ( )
( )
( ) [ ( ) ] [ ( ) ] [ ( ) ]
( ) [ ( ) ]
( ) [ ( ) ]
Avec :
( ) ( )
( ) [ ]
( )
[ ]
{ } Ou : [ ]
(
Fiabilit atteinte
( ) ( )
( ) [ ( ) ] [ ( ) ]
( )
28
Chapitre II : lois de Fiabilit
II.1 Introduction
Il est toujours possible dassocier une variable alatoire une probabilit et dfinir ainsi une
loi de probabilit. Lorsque le nombre dpreuves augmente indfiniment, les frquences
observes pour le phnomne tudi tendent vers les probabilits et les distributions observes
vers les distributions de probabilit ou loi de probabilit. Une loi de probabilit est un modle
reprsentant "au mieux", une distribution de frquences d'une variable alatoire.
Lois discrtes
Lois continues
Une loi est dite discrte si elle prend ses valeur dans N cest dire des valeurs entires comme
par exemple celle qui compte le nombre de pannes.
Parmi les lois discrtes on peut citer :
1. Loi Uniforme
2. Loi de Bernoulli
3. Loi Binomiale
4. Loi Binomiale ngative
5. Loi Gomtrique
6. Loi Hypergomtrique
7. Loi de Poisson
Une distribution de probabilit suit une loi uniforme lorsque toutes les valeurs prises par la
variable alatoire sont quiprobables. Si n est le nombre de valeurs diffrentes prises par la
variable alatoire. La fonction de fiabilit est dfinie par lexpression suivante :
( ) (II.1)
29
II.2.1.2 Loi de Bernoulli
Soit un univers constitu de deux ventualits, S pour succs et E pour chec = {E, S} sur
lequel on construit une variable alatoire discrte, nombre de succs telle que au cours
dune preuve :
Si (S) est ralis, X = 1
P (X = 0) = q
P (X =1) = p (II.2)
(p + q = 1)
Dcrite pour la premire fois par Isaac Newton en 1676 et dmontre pour la premire fois par
le mathmaticien suisse Jacob Bernoulli en 1713, la loi binomiale est lune des distributions de
probabilit les plus frquemment rencontres en statistique applique.
En mathmatiques, une loi binomiale de paramtres n et p est une loi de probabilit qui
correspond une exprience alatoire deux issues possibles, gnralement dnommes
respectivement succs et chec , la probabilit d'un succs tant p.
Sa fonction de probabilit est :
( ) ( ) (II.3)
( )
(II.3.1)
La loi binomiale ngative est la loi de probabilit de la variable alatoire X qui comptabilise le
nombre d'checs ncessaires avant obtention de n succs, sachant que la probabilit d'un
succs est p [20]
Sa fonction de probabilit est :
( ) ( ) (II.4)
( ) ( ) (II.4.1)
30
O est un coefficient binomial appliqu un entier ngatif et est dfini par :
( )( ) ( )
(II.4.2)
Cette expression justifie le nom de loi binomiale ngative donne cette loi de probabilit.
La loi gomtrique est une loi de probabilit apparaissant dans de nombreuses applications. La
loi gomtrique de paramtre p (0 < p < 1) correspond au modle suivant :
On considre une preuve de Bernoulli dont la probabilit de succs est p et celle d'chec
q = 1 - p.
On renouvelle cette preuve de manire indpendante jusqu'au premier succs. On appelle X
la variable alatoire donnant le rang du premier succs.
Les valeurs de X sont les entiers naturels non nuls 1, 2, 3, ...
La probabilit que X = k est alors, pour k = 1, 2, 3, ...
Sa fonction de probabilit est :
p (k) = qk 1p (II.5)
( ) (II.6)
Une variable alatoire x suit une loi de Poisson si elle peut prendre les valeurs entires 0,
1, 2, 3..n. La probabilit pour que x soit gal k est :
( ) (II.7)
: paramtre de la loi (constante positive).
La probabilit pour quun vnement se produise est dautant plus vraie que la population
concerne est grande et le nombre dvnement petit. Par consquence la loi de Poisson
servira tudier les phnomnes rares, tels que les accidents, pannes, dfauts de fabrication o
31
la probabilit p est trs faible (p < 0.05). Elle peut galement dans certaines conditions tre
dfinie comme limite dune loi binomiale.
La probabilit de constater un certain nombre de pannes (n) dans le temps (t) et seulement (n)
pannes est :
( )
( ) (II.7.1)
Exemple dapplication
0.18
le nombre de pannes le plus
0.16 favorable est 5 ou 6
0.14
0.12
0.10
P(n,t)
0.08
0.06
0.04
0.02
0.00
0 1 2 3 4 5 6 7 8 9 101112131415
nombre de pannes (n)
Le nombre de panne le plus probable est 5 ou 6 (ce que nous savons dj puisque le taux de
panne est constant et quil a une panne tous les 41 jours moyens). On peut dire avec une
certitude de 80 % que le nombre de panne se situera entre 3et 8. On voit clairement la
tendance de la courbe vers une valeur asymptotique quand le nombre de pannes devient trs
grand. On voit que pour une dfaillance, c'est--dire pour une panne et une seule de 0 t la
probabilit devient :
( )
32
Une fois connu le nombre de pannes le plus probable, on peut chercher la probabilit P
davoir N pannes et pas plus. Cette probabilit est la somme des P prcdentes pour les valeurs
de n N, nous avons :
( )
( )
La loi Khi-deux, ou loi de Pearson, ne sert pas modliser directement la fiabilit, mais
essentiellement au calcul des limites de confiance lors des estimations par intervalle de
confiance. Elle est caractrise par un paramtre positif appel degrs de libert et dfinie
que pour des valeurs positives.
Sa fonction de probabilit :
( ) (II.8)
( )
Pour caractriser des dfaillances dues la propagation de fissure par fatigue, Birnbaum et
Saunders (1969) ont propos une distribution de vie base sur deux paramtres.
Cette distribution, pour une variable alatoire non ngative t, est obtenue en tenant compte des
caractristiques de base du processus de fatigue. La variable alatoire t, reprsente les instants
de dfaillance.
( ) [ ( )] (II.9)
( ) ( )
33
II.2.2.3 La loi Gamma
( ) (II.10)
( )
La loi logistique de paramtre et s > 0 est une loi de probabilit dont la densit est :
F( ) (II.12)
( )
Son nom de loi logistique est issu du fait que sa fonction de rpartition est une fonction
logistique.
Dans la thorie des probabilits et en statistiques, la loi log-logistique (connue aussi comme la
distribution de Fisk en conomie) est une loi de probabilit continue pour une variable
alatoire non-ngative. Elle est utilise dans l'tude de la dure de vie d'vnement dont
l'intensit augmente d'abord pour ensuite dcrotre, comme par exemple pour la mortalit d
au cancer aprs diagnostique ou traitement. Elle est aussi utilise en hydrologie pour modliser
le dbit d'un cours d'eau ou le niveau des prcipitations, et en conomie pour modliser
l'ingalit des revenus.
34
La loi log-logistique est la loi d'une variable alatoire dont le logarithme est distribu selon
une Loi logistique. Elle ressemble beaucoup la loi log-normale, mais s'en distingue par des
queues plus paisses. Par ailleurs, sa fonction de rpartition admet une expression explicite,
contrairement la log-normale
Sa fonction de rpartition est :
( ) ( )
( )
( )
(II.13)
Avec les paramtres de signification :
Le paramtre >0 est un paramtre d'chelle et joue aussi le rle de mdiane de la
distribution.
Le paramtre >0 est un paramtre de forme.
La distribution est uni modale lorsque > 1 et sa dispersion dcrot lorsque augmente.
La loi de Cauchy, appele aussi loi de Lorentz, est une loi de probabilit classique qui doit son
nom au mathmaticien Augustin Louis Cauchy.
Une variable alatoire X suit une loi de Cauchy si elle admet une densit fX par rapport la
mesure de Lebesgue, dpendant des deux paramtres x0 et a (a > 0) et dfinie par :
Sa fonction de probabilit est :
( )
[ ( ) ]
[( )
] (II.14)
La loi de Student est une loi de probabilit, faisant intervenir le quotient entre une variable
suivant une loi normale centre rduite et la racine carre d'une variable distribue suivant la
loi du .
Soit Z une variable alatoire de loi normale centre et rduite et soit U une variable
indpendante de Z et distribue suivant la loi du k degrs de libert. Par dfinition la
variable suit une loi de Student k degrs de libert.
35
(II.15)
La loi bta est une famille de lois de probabilits continues, dfinies sur [0,1], paramtrer par
deux paramtres de forme, typiquement nots et . C'est un cas spcial de la distribution de
Dirichlet, avec seulement deux paramtres.
En raison des applications multiples de cette loi qui nest autre quun cas particulier de la loi
de Weibull, on prsentera dans ce qui suit un large dveloppement de cette loi avec plusieurs
applications.
Nous allons tudier des phnomnes physiques o la dure de vie est l'intervalle de temps
coul entre l'instant de la mise en fonctionnement ou de la naissance, et l'instant de la
premire panne ou de la mort.
La plupart des phnomnes naturels sont soumis au processus de vieillissement. Il existe des
phnomnes o il n'y a pas de vieillissement ou d'usure. Il s'agit en gnral de phnomnes
accidentels. Pour ces phnomnes, la probabilit, pour un objet d'tre encore en vie ou de ne
pas tomber en panne avant un dlai donn sachant que l'objet est en bon tat un instant t, ne
dpend pas de t. Par exemple, pour un verre en cristal, la probabilit d'tre cass dans les cinq
ans ne dpend pas de sa date de fabrication ou de son ge. Par dfinition, on dit qu'une dure
de vie est sans usure si la probabilit de survie l'instant t ne dpend pas de t.
Les modles de fiabilit bass sur le taux de panne alatoire sont les plus utiliss
Hypothses :
- Le taux de dfaillance (t) est indpendant de lge du systme
- Pour le systme qui opre sur demande, la panne la nime demande est indpendante
de celles la n-1 demande.
- Pour le systme oprant en continu, ceci reprsente un (t) constant
Fiabilit : ( ) (II.16) :
( )
Taux de dfaillance :
( )
36
La moyenne des temps de fonctionnement (MTTF) ou de bon fonctionnement (MTBF) un
important estimateur de la fiabilit et de la disponibilit des systmes et se calcul par
lexpression :
( )
Variance :
Les distributions relatives cette loi sont reprsentes par les courbes de la figure en fonction
du taux de dfaillance dun ou plusieurs composants supposs avoir un mme .
Exemple 1:
Un dispositif a un taux de dfaillance constant de = 0.03/h
a) Calculer la probabilit quil tombe dfaillant pendant 10 premires heures dopration
b) En supposant que le dispositif a bien fonctionn pendant 100 h, calculer la probabilit
quil tombe dfaillant pendant 10 prochaines heures.
Solution :
Sous a)
{ } ( ) ( )
{( ) ( )} { } ) ( )
{ } } { }
= ( )
=
({ (
( ) ( )
( )
( )
Exemple 2 :
37
Quelle est la fiabilit dun dispositif travaillant pendant une priode de temps gale au
MTBF ? Pour ce cas la probabilit de survie est :
( ) ( ) = ( )
Exemple 3 :
Un composant lectronique de puissance a un taux de panne constant de 0,07 pour 1000
heures de fonctionnement.
a) Quelle est la probabilit pour quil survie 5000, 1000, 2000 h. Lunit de temps est
1000h 5000 h correspond t=5
( ) () ( ) ( )
Pour 1000 heures (t=1) : ( ) ( )
Pour 2000 heures (t=2) : ( ) ( )
b) Quelle est la probabilit que le composant dure entre 2000 et 5000 heures
( ) ( ) ( ) ( ) ( )
( )
C) Quelle est la probabilit pour que le composant dure 1000 h de plus aprs 5000h de
fonctionnement ?
Cest une probabilit conditionnelle de forme gnrale
( ) ( )
( ) ( ) ( ) ( ) ( )
Pour les systmes oprants sur demande, lexpression mathmatique de la loi exponentielle
scrit :
( ) t
o d = mp
Exemple 2:
Systme oprant sur demande
Une compagnie de tlcommunications trouve que pendant une priode de garantie dun an,
6% de ses tlphones est retourn au moins une fois parce quils sont tombs et endommags.
Un programme exhaustif de tests indiquait que seulement dans 20% de cas le tlphone
devrait tre endommag.
38
a) En supposant que le fait de laisser tomber le tlphone lors de lusage normal correspond
un processus de Poisson, quel est le temps moyen entre les chutes (TMEC)?
b) Si la conception des tlphones a chang pour que seulement 4% sont endommags lors
dune chute, quelle est la fraction des tlphones qui seront retourns au moins une fois lors de
la premire anne de service?
Solution :
( ) ( ) Donc : ( )
Do
( )=0.3094/an
TMEC =
( ) ( ) ( )
Moteur
Taux de panne en opration
39
Donc, Temps moyen que le moteur est sollicit par unit de temps calendrier
Alors,
Si on ajoute : taux de panne du moteur en mode attente ;
lexpression devient
( ) .
Exemple dapplication :
Une pompe qui contrle le volume dans un procd chimique opre de faon intermittente. Le
taux de dfaillance de la pompe est de 4E-04/h et le taux de dfaillance en attente est de 1E-
05/h. La probabilit de dfaillance sur demande est de 5E-04/h. Les temps auxquels est
dmarre (tu) et arrte (td) sur une priode de 24 heures sont listes dans le tableau ci-dessous
301.50 294.36
( )
b) On calcul la probabilit que la pompe tombe dfaillante pendant une dure dun mois
(30 jours)
( ) ( ) ( )
40
II.2.2.11 La loi de Fisher
Dans la Thorie des probabilits et en Statistiques, la loi de Fisher ou encore loi de Fisher-
Snedecor ou encore loi F de Snedecor est une loi de probabilit continue. Elle tire son nom des
statisticiens Ronald Aylmer Fisher et George W. Snedecor. La loi de Fisher survient trs
frquemment en tant que distribution de l'hypothse nulle dans des tests statistiques, comme
par exemple les tests du ratio de vraisemblance ou encore dans l'analyse de la variance.
Sa fonction de fiabilit est :
( ) ( )
( ) (II.17)
( )
Cette loi est aussi appele loi de Gauss, en l'honneur du grand mathmaticien allemand Karl
Friedrich Gauss (1777-1855).
La loi normale est la loi statistique la plus rpandue et la plus utile, elle est utilise afin
dapprocher des probabilits associes a des variables alatoires binomiales possdant un
paramtre n trs grand. Elle reprsente beaucoup de phnomnes alatoires. De plus, de
nombreuses autres lois statistiques peuvent tre approches par la loi normale, tout
spcialement dans le cas des grands chantillons.
Sa fonction de fiabilit est :
( )
() (II.18)
: est la moyenne
: l'cart type
n : le nombre total d'individus dans l'chantillon
n(x) : le nombre d'individus pour lesquels la grandeur analyse a la valeur x.
e : est la base de l'exponentielle (2,718...)
On a pu voir que les valeurs possibles dune variable alatoire normale taient Lensemble des
nombres rels. Pour une situation relle ne pouvant prendre des Valeurs ngatives, on peut
malgr tout utiliser une loi normale lorsque la Moyenne et lcart type sont tels que la
probabilit thorique davoir une valeur Ngative est toute fin pratique nulle.
En probabilit et statistique, une variable alatoire X est dite suivre une loi log-normale de
paramtres et si la variable Y=ln (X) suit une loi normale de paramtres et .
Une variable peut tre modlise par une loi log-normale si elle est le rsultat de la
multiplication d'un grand nombre de petits facteurs indpendants.
Sa fonction de probabilit est:
41
( )
( )
() (II.19)
L'expression loi de Weibull recouvre en fait toute une famille de lois, certaines d'entre elles
apparaissant en physique comme consquence de certaines hypothses. C'est en particulier, le
cas de la loi exponentielle ( = 1) et de la loi normale ( = 3).
Sa fonction de fiabilit est :
( )
( ) (II.20)
En raison de la complexit des lois cites prcdemment, nous nous tudierons que celles qui
sont largement employes dans le calcul de la fiabilit des systmes. On distingue :
La loi binomiale
A. Les lois discrtes
La loi de poisson
Si une dfaillance a une probabilit (P) de survenir, la probabilit de la voir apparatre k fois
en (n) essais est :
( ) ( ) ( ) (II.21)
( ) Probabilit pour que la dfaillance se produise (k) fois
42
P : probabilit pour que la dfaillance se produise au cours dun seul essai.
: nombre de combinaisons de (k) dfaillances pris parmi (n) essais.
Remarque :
1. Un dispositif a une probabilit (P) dtre dfaillant donc (1-P) dtre au bon
fonctionnement.
2. Nous sommes en prsence dune loi discrte puisque la variable alatoire (k) ne peut
prendre que des valeurs entires.
3. Lesprance mathmatique est = np
4. La variance est = ( )
5. Lcart type est ( )
En mathmatiques, une loi binomiale de paramtres n et p est une loi de probabilit qui
correspond une exprience alatoire deux issues possibles, gnralement dnommes
respectivement succs et chec . Cette loi apparat comme tant particulirement
intressante pour des essais.
(n 0) : Nombre dpreuves
(0 p 1) : probabilit de succs
q=1p
P (x)
Conclusion :
Pour de grandes valeurs de n, le calcul de P (x) devient vite pratiquement impossible, sauf si
l'on cherche calculer le logarithme de cette expression au lieu de l'expression elle-mme.
On distingue deux cas :
43
Cas 1 : Lorsque n tend vers l'infini et que p tend vers 0, la loi binomiale converge vers une loi
de Poisson de paramtre a. En pratique, on remplace la loi binomiale par une loi de Poisson
ds que n > 30 et np < 5 ou ds que n > 50 et p < 0.1.
Cas 2 : Lorsque n tend vers l'infini et que p et q sont de mme ordre de grandeur, la loi
binomiale converge vers une loi normale d'esprance np et de variance npq. En pratique, on
remplace une loi binomiale par une loi normale ds que n > 30, np > 5 et nq > 5
La loi de Poisson dcouverte au dbut du XIX me sicle par le magistrat franais Simon-
Denis Poisson sapplique souvent aux phnomnes accidentels o la probabilit p est trs
faible (p < 0,05).
Elle peut galement dans certaines conditions tre dfinie comme limite dune loi binomiale.
Sa Fonction de fiabilit est :
( )
( ) (II.22)
Avec les paramtres et significations:
Un seul paramtre
e : est la base de l'exponentielle (2,718...)
n! : est la factorielle de n.
: le nombre moyen dvnement par unit de temps
La courbe thorique de rpartitions diffrentes est donne la figure II.4. On peut remarquer
linfluence du paramtre .
P (t)
Temps
En conclusion :
Le domaine dapplication de la loi a t longtemps limit a celui des vnements rares par
exemple : (suicide denfants, les accident dus aux coups de pied de cheval dans les annes.)
44
Remarque :
La loi de poisson est souvent utilise la vrais vie pour prdire les risques de pannes ou
daccidents.
Dune manire gnrale la distribution exponentielle est donne par lexpression suivante :
( ) {
100
= 0.01
x f(x)
0 0,0100
10 0,0090 0,011
20 0,0082 0,010
40 0,0067 0,008
50 0,0061 0,007
60 0,0055 0,006
1/
70 0,0050 0,005
80 0,0045 0,004
90 0,0041 0,003
100 0,0037 0,002
110 0,0033 0,001
120 0,0030 0,000
130 0,0027 0 10 20 30 40 50 60 70 80 90 100110120130140150
X
( ) ( ) dt
45
( ) {
100
= 0.01
x f(x) F(x) R(x)
0 0,0100 0,0000 1
1,2
20 0,0082 0,1813 0,8187 1,1
fonction de rpartition
1,0
40 0,0067 0,3297 0,6703 0,9
0,8
60 0,0055 0,4512 0.5488
0,7
F(x)
80 0,0045 0,5507 0,4493 0,6
0,5
Et x= t (temps)
46
La variance et lcart-type: Var(X) = 2 (X) =
La plupart des phnomnes naturels sont soumis au processus de vieillissement.
Il existe des phnomnes o il n'y a pas de vieillissement ou d'usure. Il s'agit en gnral de
phnomnes accidentels. Pour ces phnomnes, la probabilit, pour un objet d'tre encore en
vie ou de ne pas tomber en panne avant un dlai donn sachant que l'objet est en bon tat un
instant t, ne dpend pas de t. Par exemple, pour un verre en cristal, la probabilit d'tre cass
dans les cinq ans ne dpend pas de sa date de fabrication ou de son ge. Loi des variables
alatoires reprsentant une dure de vie sans usure.
Par dfinition, on dit qu'une dure de vie est sans usure si la probabilit de survie l'instant t
ne dpend pas de t.
Sa fonction de fiabilit est:
( ) (II.23)
Sa densit de probabilit de paramtre X scrit:
( ) (II.24)
Avec les paramtres et significations:
e : est la base de l'exponentielle (2,718...)
: cest lintensit.
1,2
1,1
1,0
0,9 Fiabilit
0,8
0,7
0,6
R(t)
0,5
0,4
0,3
0,2
0,1
0,0
0 50 100 150 200 250 300 350 400 450 500
temps (x)
Remarque :
Les variables alatoires dcrivant une dure de vie sans usure suivent toutes une loi
exponentielle. L'tude qui prcde nous montre que la loi d'un phnomne de nature
totalement alatoire peut tre modlise par une fonction exponentielle.
47
Exemple 1:
Un fabricant de fours micro-ondes veut dterminer la priode de garantie quil devrait
associer son tube magntron, le composant le plus important du four. Des essais en
laboratoire on indiqu que la dure de vie utile (en annes) de ce composant possde une
distribution exponentielle avec un taux moyen de dfaillance de 0.20 tube/ an.
Solution:
P(X>5) = 1 [1 exp(-5/ 5)] = exp(-1) = 0.3679 (il y a 36.8% de chances quun tube excde
sa dure de vie moyenne)
c) Sur 1000 tubes de ce type, combien seront dfaillants au cours des cinq premires
annes?
P(X<5) = F(5) = 1 exp(-5/ 5) = 0.6321
Sur 1000 tubes approx. 1000*0.6321 = 632 tubes seront dfaillants au cours de cinq premires
Annes
d) Quelle est la P que la dure de vie dun tube soit comprise dans lintervalle [E(X) -
(X), E(X) + (X)]?
E(X) - (X) = 5 5 = 0
E(X) + (X) = 5 + 5 = 10
On veut P(0X10) = P(X10)
F(10) = 1-exp(-10/ 5) = 0.8647
f) Le manufacturier veut donner une priode de garantie sur le tube; toutefois, il ne veut
pas remplacer plus que 10% de tubes au cours de cette priode de garantie. Quelle
devrait tre la priode de garantie?
( )
( )
( )
Le manufacturier peut offrir la garantie de 06 mois !
48
II.3.2.2 La loi normale
Cette loi est aussi appele loi de Gauss. La loi normale est la loi statistique la plus rpandue et
la plus utile, elle est utilise afin dapprocher des probabilits associes des variables
alatoires binomiales possdant un paramtre n trs grand. Elle reprsente beaucoup de
phnomnes alatoires. De plus, de nombreuses autres lois statistiques peuvent tre
approches par la loi normale, tout spcialement dans le cas des grands chantillons.
( )
() (II.25)
( )
: est la moyenne
: l'cart type
n : le nombre total d'individus dans l'chantillon
n(x) : le nombre d'individus pour lesquels la grandeur analyse a la valeur x.
e : est la base de l'exponentielle (2,718...)
Sigma () : Sigma de la loi normal mesure la dispersion de ses valeurs autour de la moyenne
cest - -dire, si sigma est grand les valeurs sont trs disperses, si sigma est petit cest - -dire
que toutes les valeurs sont proches de sa moyenne.
49
Sa fonction est:
(II.26)
A titre indicatif, lorsque la distribution des individus dans une population obit la loi
normale, on trouve:
d) 99,7 % des individus entre -3 et +3 (il y a donc trs peu de chances qu'un
individu s'carte de la moyenne de plus de 3). La figure II.6.d illustre cette rpartition.
50
Figure II.6.d. Courbe dune loi normal pour = 99.7 %
En Conclusion :
La loi normale est une loi qui sadapte au domaine mcanique car les dfaillances sont
essentiellement dues lusure.
On a pu voir que les valeurs possibles dune variable alatoire normale taient lensemble des
nombres rels. Pour une situation relle ne pouvant prendre des valeurs ngatives, on peut
malgr tout utiliser une loi normale lorsque la moyenne et lcart type sont tels que la
probabilit thorique davoir une valeur ngative est toute fin pratique nulle.
En probabilit et statistique, une variable alatoire X est dite suivre une loi log-normale de
paramtres et si la variable Y=ln (X) suit une loi normale de paramtres et . Une
variable peut tre modlise par une loi log-normale si elle est le rsultat de la multiplication
d'un grand nombre de petits facteurs indpendants.
n(t)
51
En Conclusion :
Cette loi de distribution est particulirement utilise en analyse quantitative pour reprsenter
les cours des instruments financiers (notamment actions, cours de change, taux d'intrt,
mtaux prcieux). Les cours ne peuvent pas tre ngatifs et il est plus pertinent d'exprimer les
variations sous forme relative en pourcentage, donc les cours sont reprsents gnralement
grossirement par une loi log-normale.
L'expression loi de Weibull recouvre en fait toute une famille de lois, certaines d'entre elles
apparaissent en physique comme consquence de certaines hypothses. C'est en particulier, le
cas de la loi exponentielle ( = 1) et de la loi normale ( = 3).
Ces lois constituent surtout des approximations particulirement utiles dans des techniques
diverses alors qu'il serait trs difficile et sans grand intrt de justifier une forme particulire
de loi. Une distribution valeurs positives (ou, plus gnralement mais moins frquemment,
valeurs suprieures une valeur donne) a presque toujours la mme allure. Elle ne part d'une
frquence d'apparition nul, crot jusqu' un maximum et dcrot plus lentement. Il est alors
possible de trouver dans la famille de Weibull une loi qui ne s'loigne pas trop des donnes
disponibles en calculant et partir de la moyenne et la variance observes.
Sa fonction de fiabilit est :
( )
() (II.28)
Avec les paramtres et signification :
, , dfinissent la distribution de Weibull.
On utilise trois paramtres :
: paramtre de forme ( > 0)
: paramtre dchelle ( > 0)
: paramtre de position (- > > +)
Vieillesse >1
Age adulte =1
<1 jeunesse
52
: est le paramtre de forme du modle. Nous constatons que : Si < 1 le taux de dfaillances
est dcroissant, nous avons donc des panne de jeunesse, si = 1 le taux de dfaillances est
constant et si > 1 e taux est croissant, panne de vieillesse ou maturit en mcanique.
: est le paramtre dchelle et indique lordre de grandeur de la dure de vie moyenne.
: est le paramtre de dcalage, souvent il est gal 0. Le modle de Weibull ne peut lui
seul reprsenter lensemble des cofacteurs influents sur la fiabilit de la macro composant,
ladjonction dun modle hasard proportionnel sous forme de rgression apporte une rponse
qui devrait tre plus adapte.
En conclusion :
Pour les composants mcaniques, le taux de dfaillances constant ne convient pas aux modes
de dgradations provoquent un taux croissant (usure, fatigue, corrosion). Le modle de
Weibull permet de mettre en vidence cette reprsentation. Il est dune pratique ais et
universellement admis, il couvre a lui seul lensemble des phnomnes de dfaillance.
53
Chapitre III : loi de Weibull
III.1 Introduction
La fiabilit est le domaine de la statistique infrentielle traitant des dures de vie (ou de bon
fonctionnement) des matriels et donc de l'tude statistique de leurs pannes.
Le nom de Wallodi Weibull (1887 1979) y est attach. D'origine sudoise, Weibull travailla
comme inventeur (roulements billes, marteau lectrique...) et ingnieur conseil dans de
nombreuses socits sudoises ou allemandes, par exemple chez SAAB. Il s'intressa aux
problmes de rsistance des matriaux, en particulier ceux de fatigue et de rupture des tubes
vide. C'est dans ce cadre qu'apparat en 1939 pour la premire fois la distribution de Weibull.
Mais l'article qui eut le plus d'influence fut publi en 1951 dans le "Journal of Applied
Mechanics" sous le titre "A Statistical Distribution Function of Wide Applicability" o sont
dcrient sept cas d'utilisation de la distribution de Weibull. En effet, l'intrt de cette
distribution, outre ses proprits analytiques satisfaisantes, est de permettre un bon ajustement
d'une grande varit de problmes de dure de vie.
On constate exprimentalement, que pour la plupart des matriels, la courbe reprsentative du
taux d'avarie (taux de variation du nombre de pannes) en fonction du temps, a la forme d'une
"courbe en baignoire".
( )
( ) (III.1)
54
Sa fonction de rpartition F (t) est la probabilit que le dispositif soit en panne l'instant t.
Elle est exprime par :
( )
( ) ( ) (III.2)
Son taux instantan de dfaillance (t) est un estimateur de fiabilit. Il sexprime par :
( ) ( ) (III.3)
Remarque si :
( )
( ) ( ) ( ) ( ) (III.4)
La courbe theorique de distribution est montre la figure III.1. On peut remarquer linfluence
du paramtre (coefficient de forme).
R (t)
Temps
55
0,0012
0,0011
0,0010
0,0009
0,0002
0,0001
0,0000
000 500 1000 1500 2000 2500 3000
Temps
Si l'on dsigne par t la variable alatoire qui, tout matriel choisi au hasard, associe son
temps de bon fonctionnement avant dfaillance, lorsque est constant, on montre que t suit
une loi exponentielle. Pour couvrir tous les cas, Weibull a choisi pour une fonction
dpendant de trois paramtres : , et. Lexpression de (t) est donne par (III.3)
Avec t > , > 0, > 0 (le paramtre important tant paramtre "de forme", les autres
terminent l'ajustement). Ainsi, lorsque la variable alatoire t, correspondant au temps de bon
fonctionnement, suit la loi de Weibull de paramtres, et. On montre que sa densit est
donne par lexpression (III.6)
Un taux de panne croissant suggre une "usure ou un problme de fiabilit" : les lments ont
de plus en plus de chances de tomber en panne quand le temps passe.
( )
( )
(III.5)
( ( )) ( )
56
( ( )) ( )
( ( ( )))
( ( ( )))
La dernire quation obtenue est l'quation d'une droite dans le repre rouge (O ; X ; Y) o O
est le point correspondant X = 0 et Y = 0 soit t = 1 et F (t) = 1 - 1/e.
Le paramtre se lit directement l'intersection de la droite prcdente avec l'axe des abscisses
puisque celui-ci est gradu en chelle logarithmique, ce qui est montr sur les figures III.2.a et
III.2.b.
Le paramtre est le coefficient directeur de la droite prcdente, il suffit de tracer une droite
parallle la prcdente et de lire directement le coefficient directeur de cette droite sur l'axe
d'quation X = - 1.
57
Figure III.2.a. Papier de Weibull
A titre dexemple :
On construit tout d'abord le nuage de points (t ; F (t)) puis une droite d'ajustement D, on lit la
valeur du paramtre sur l'axe des abscisses puis on trace la parallle D' la droite D passant
par l'origine O du repre, on lit le paramtre sur l'axe d'quation X = -1.
58
Figure III.2.b. Papier de Weibull
59
Figure III.4. Recherche de bta
Remarque :
Si le nuage de point met en vidence plusieurs droites, on dterminera plusieurs pentes b
montrant des populations distinctes qui correspondent des modes de dfaillances successifs
et diffrents (dfaillances juvniles suivit de dfaillances par usure par exemple).
1,0
0,8
Fiabilit R(t)
0,6
0,4
=1500
0,2 =0
0,0
0 5 10 15 20 25 30 35
Temps
60
1,0
0,0
0 5 10 15 20 25 30
Temps
0,010
0,009
0,008
Taux de dfaillance (t)
0,007
0,006
0,005
0,004
0,003
0,002
0,001
0,000
0 5 10 15 20 25 30 35
Temps
61
Figure 3.6d : Les courbes de f(t) [40]
2
5
3
7
4 6
Les diffrents composants critiques vis--vis de la fiabilit sont les suivants: deux roues
dentes, un engrenage, deux roulements et deux joints lvres, daprs la rfrence [41], on
62
propose de leurs associer comme loi de dfaillance la distribution de Weibull dont les
paramtres figurent dans le tableau 1 ( sexprime en tours darbre dentre), en supposant les
paramtres de dcalage nuls (=0).
Composant
composant 1 Roue dente 1 38000 1,4
composant 2 Roue dente 2 70500 1,8
composant 3 Engrenage 1966600 13
composant 4 Roulement 1 9100000 1,11
composant 5 Roulement 2 15200000 1,11
composant 6 joint lvre radial 1 66000000 1,0
composant 7 joint lvre radial 2 6000000 1,0
La fiabilit du systme est calcule en fonction des fiabilits des sept composants qui le
constituent. On calcul les valeurs de R(t) et F(t) pour diffrents paramtres de la loi de
Weibull savoir :
( )
( ) et ( ) ( )
63
1,2
1,1
1,0
0,9
0,8
R (t),F (t)
0,7
0,6
0,5 R (t)
F (t)
0,4
0,3
0,2
0,1
0,0
0 1000000 2000000 3000000
tem ps
1,2
1,1
1,0
0,9
0,8
R (t) ,F (t)
0,7
0,6 R (t)
0,5 F (t)
0,4
0,3
0,2
0,1
0,0
0 1000000 2000000 3000000
temps
1,2
1,1
1,0
R (t)
0,9
F(t)
0,8
R (t) ,F (t)
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0 1000000 2000000 3000000
temps
64
Composant 4 : =0, =1 et =9100000
La courbe de la figure III.12 donne lallure des fonctions R(t) et F(t) pour le roulement 1
1,0
0,9
0,8
0,7
0,6
R (t),F (t)
R (t)
0,5 F (t)
0,4
0,3
0,2
0,1
0,0
0 1000000 2000000 3000000
temps
1,1
1,0
0,9
0,8
0,7
R (t) ,F (t)
0,6 R (t)
F (t)
0,5
0,4
0,3
0,2
0,1
0,0
0 1000000 2000000 3000000
temps
Composant 6 : =0 =3 et =66000000
La courbe de la figure III.14 donne lallure des fonctions R (t) et F (t) pour le joint lvre
radial 1
1,1
1,0
0,9
0,8
0,7
R (t),F (t)
0,6 R (t)
0,5 F (t)
0,4
0,3
0,2
0,1
0,0
0 1000000 2000000 3000000
temps
65
Composant 7 : =0, =10 et =6000000
La courbe de la figure III.15 donne lallure des fonctions R(t) et F(t) pour le joint lvre
radial2
1,1
1,0
0,9
0,8
0,7
R (t) ,F (t)
0,6 R (t)
F (t)
0,5
0,4
0,3
0,2
0,1
0,0
0 1000000 2000000 3000000
temps
Sur les figures III.16.a et III.16.b, sont rassembles les courbes prcdentes relatives R(t) et
F(t) pour pouvoir faire une meilleure comparaison.
1,1
1,0
0,9
0,8
0,7
0,6
R (t)
0,5
0,4 1,5
0,3
0,2
0,1
0,0
0 1000000 2000000 3000000
temps
Figure IV. 16. a. Courbes R (t) pour = 0.1, 0.4 ,0.7 ,1 ,1.5, 3, 10
1,2
1,1
1,0
0,9
0,8
0,7
F (t)
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0 1000000 2000000 3000000
temps
66
Conclusion
A travers le prcdant calcul, nous avons montr limportance de lutilisation de la loi de
Weibull comme modle pour dcrire le comportement des systmes mcaniques. Les
diffrentes courbes obtenues pour le rducteur montrent clairement que la dure de vie du
mcanisme est lie celle de la roue dente N 1 et 2 en premier lieu Ce qui est notre sens
plus logique. Ceci conduit de manire gnrale une bonne matrise de la maintenance de
tout le systme en mettant laccent sur les lments les plus pnalisants.
67
III.5.2 Cas dune Vis sans fin
0,1-0,4-0,7-1-1,5-
composant1 vis sans fin 540000 1500 --
3-10
0,1-0,4-0,7-1-1,5-
composant 2 roue dentre 43200 -- 120
3-10
La fiabilit du systme est calcule en fonction des fiabilits de deux principaux composants
qui le constituent. On calcul les valeurs de R(t) et F(t) pour diffrents paramtres de la loi de
Weibull savoir :
( )
( ) et ( ) ( )
Dans le calcul ci-aprs, on considre = 0 et en faisant varier les deux autres paramtres
savoir et .
Cas 1 : =0 =540000
La courbe de la figure III.18 donne lallure des fonctions R(t) et F(t) de la vis sans fin
constante et avec variation du coefficient de forme .
68
1,0
0,9 0,3
0,8
0,7 0,1
0,6 0,2
R (t)
F (t)
0,5
0,4
0,3 0,1
0,2
0,1
0,0 0,0
0 1 2 3 4 5 6 7 8 9 10 11 12 0 1 2 3 4 5 6 7 8 9 10 11 12
temps temps
Figure III.18 La courbe de R (t) et F (t) de la vis sans fin. Pour = 540000
Cas 2 : =0 =43200
La courbe de la figure III.19 donne lallure des fonctions R (t) et F (t) de la roue constante
et avec variation du coefficient de forme .
0,4
1,0
0,9
0,8 0,3
0,7
0,6
0,2
F (t)
R (t)
0,5 =0,1
0,4
0,3 0,1
0,2
0,1
0,0
0,0 0 1 2 3 4 5 6 7 8 9 10 11 12
0 1 2 3 4 5 6 7 8 9 10 11 12 temps
temps
Dans le calcul ci-aprs, on considre = 2 en faisant varier les deux autres paramtres savoir
et .
Cas 1 : = 2 =540000
Le calcul de R (t) et F (t) se fait partir des mmes expressions que prcdemment.
La courbe de la figure III.20 montre lvolution de R (t) et F (t) pour = 2 relative la vis sans
fin constante et avec variation du coefficient de forme .
69
1,0
0,9 0,3
0,8
0,7
0,6 0,2
R (t)
F (t)
0,5
0,4
0,3 0,1
0,2
0,1
0,0 0,0
0 5 10 15 20 25 30 35 0 5 10 15 20 25 30 35
temps temps
Figure III.20 La courbe de R (t) et F (t) de la vis sans fin. Pour = 540000
Cas 2 : = 2 =43200
La courbe de la figure IV.46 montre lvolution de R (t) et F (t) pour = 2 relative la roue.
constante et avec variation du coefficient de forme .
0,5
1,1
1,0
0,9 0,4
0,8
0,7 0,3 0,1
0,6
F (t)
=0,7
R (t)
0,5 0,2
0,4
=1
0,3 0,1
0,2
0,1
0,0
0,0 0 5 10 15 20 25 30 35
0 5 10 15 20 25 30 35 temps
temps
La courbe de la figure III.22 montre lvolution de R (t) et F (t) pour = -2 relative la vis
sans fin constante et avec variation du coefficient de forme .
70
1,0
0,3
0,9
0,8
0,7 =0,1
0,2
0,6
R (t)
0,5
F (t)
0,4
0,3 0,1
0,2
0,1
0,0 0,0
0 5 10 15 20 25 30 35 0 5 10 15 20 25 30 35
temps temps
Figure III.22 La courbe de R (t) et F (t) de la vis sans fin. Pour = 540000
Cas 2 : = -2 =43200
La courbe de la figure IV, 48 montres lvolution de R (t) et F (t) pour = 2 relative la roue
constante et avec variation du coefficient de forme .
1,0
0,9
0,8
0,3
0,7
=0,4
0,6
0,2
R (t)
0,5
F (t)
0,4
0,3 0,1
0,2
0,1
0,0 0,0
0 5 10 15 20 25 30 35 0 5 10 15 20 25 30 35
temps temps
71
III.5.3 Application pneus
Pour cet exemple nous appliquons la loi de Weibull avec un ajustement.
( )
( )
Tableau III.3 des donnes des pneus :
Pneus dfaillants durant Nombre cumul de pneus
Temps Nombre de pneus restant
la priode dfaillants
0 - 0 2500
1 5 5 2495
2 15 20 2480
3 40 60 2440
4 90 150 1350
5 160 310 2190
6 200 510 1990
7 250 760 1740
8 350 1110 1390
9 600 1710 790
10 450 2160 340
11 250 2410 90
12 60 2470 30
13 20 2490 10
14 10 2500 0
15 0 2500 0
III.5.3.1.Calcul et rsultats
La fiabilit des pneus est calcule en fonction des fiabilits. On calcul les valeurs de R (t) et
(t) pour diffrents paramtres de la loi exponentielle savoir :
=> = 0.12, = 4.4 , =1
Tableau III. 4 des calculs et rsultats :
Pneus dfaillants Nbre cumul de Nbre de pneus
Instant t R(t) (t)
durant la priode pneus dfaillants restants
0 - 0 2500 1.000 -
1 5 5 2495 0.998 0.002
2 15 20 2480 0.992 0.006
3 40 60 2440 0.976 0.016
4 90 150 2350 0.940 0.037
5 160 310 2190 0.876 0.068
6 200 510 1990 0.796 0.091
7 250 760 1740 0.696 0.126
8 350 1110 1390 0.556 0.201
9 600 1710 790 0.316 0.432
10 450 2160 340 0.136 0.570
11 250 2410 90 0.036 0.735
12 60 2470 30 0.012 0.667
13 20 2490 10 0.004 0.667
14 10 2500 0 0.000 1.000
15 0 2500 - - -
72
Cas 1 : = 0.12 = 4.4
( )
( )
1,0
0,8
0,6
R(t)
0,4
0,2
0,0
0 2 4 6 8 10 12 14 16
temps
1,2
1,1
1,0 (t)
0,9
0,8
0,7
(t)
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
temps
73
III.5.3.1.Calcul et rsultats
La fiabilit des pneus est calcule en fonction des fiabilits. On calcul les valeurs de R (t) et
(t) (thorique) pour diffrents paramtres de la loi de Weibull savoir :
( )
( )
= 0.12 = 4.4
t ( ) ( ) ( ) ( )
0 1.000 - 1.000 -
1 1.000 0.000 0.998 0.002
2 0.998 0.004 0.992 0.006
3 0.989 0.016 0.976 0.016
4 0.961 0.044 0.940 0.037
5 0.900 0.093 0.876 0.068
6 0.790 0.173 0.796 0.091
7 0.629 0.292 0.696 0.126
8 0.434 0.460 0.556 0.201
9 0.246 0.686 0.316 0.432
10 0.107 0.981 0.136 0.570
11 0.034 1.357 0.036 0.735
12 0.007 1.824 0.012 0.667
13 0.001 2.395 0.004 0.667
14 0.000 3.081 - 1.000
15 0.000 3.895 - -
La courbe de la figure III.26 donne lallure des fonctions R (t) thorique et R (t) observ
1,2
1,1
1,0
0,9
R(t) thorique
0,8 R(t) observ
0,7
R(t)
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Temps
74
La courbe de la figure III.27 donne lallure des fonctions (t) thorique et (t) observ
5,0
4,5
4,0
3,5
(t) thorique
3,0 (t) observ
2,5
(t)
2,0
1,5
1,0
0,5
0,0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Temps
Conclusion
Nous constatons travers cette application que la loi exponentielle nest quune forme
amnage de celle de Weibull. Lajustement de cette dernire a permis de dcrire le
comportement de la dfaillance du pneumatique. Nous remarquons la bonne concordance des
courbes thoriques et observes. Les diffrents paramtres de la loi de Weibull peuvent tres
modifis suivant la nature du comportement du matriel.
75
76
Chapitre I: Maintenabilit
I. Dfinition
Dans des conditions donnes, la maintenabilit est laptitude dun bien tre maintenu ou
rtabli dans un tat o il peut accomplir une fonction requise, lorsque la maintenance est
accomplie dans des conditions donnes, en utilisant des procdures et des moyens prescrits.
Lanalyse de maintenabilit permettra destimer la MTTR ainsi que les lois probabilistes de
maintenabilit (sur les mmes modles que la fiabilit).
I.1 Commentaires :
La maintenabilit caractrise la facilit remettre ou de maintenir un bien en bon tat de
fonctionnement. Cette notion ne peut s'appliquer qu'a du matriel maintenable, donc rparable.
Les moyens prescrits englobent des notions trs diverses : moyens en personnel,
appareillages, outillages, etc.
La maintenabilit d'un quipement dpend de nombreux facteurs :
77
Remarque :
LOGISTIQUE DE
FIABILITE MAINTENABILITE
MAINTENANCE
DISPONIBILITE
Modularit et interchangeabilit :
78
d'un stock interne (module neuf ou remis en stock aprs rparation) ;
d'un stock externe (module ou composant tenu en stock chez le fournisseur) ;
du bien lui-mme (par change de deux lments constitutifs, redondance) ;
d'un bien identique hors service ou dclass (cannibalisation) ;
d'un bien diffrent comportant le mme module;
d'un atelier de fabrication. Dans le cas d'un composant, il doit tre fabriqu dans le
respect des spcifications et des tolrances normalises (joint d'tanchit, coussinet
de palier, etc).
Cela offre une gamme large de solutions pour organiser une intervention. L'interchangeabilit
suppose le respect des normes (ajustements, filetages, produits, lubrifiants, raccords,
connexions, etc).
Standardisation :
Elle vise la simplification par rduction aussi bien en matire de fabrication que de
logistique et de maintenance. En maintenance, elle s'exerce tous les niveaux techniques et
commerciaux, en permettant la rduction des stocks aussi bien que la rapidit et la simplicit
des interventions. Prenons quelques exemples :
Les quipements : il est plus facile de maintenir 10 machines de mme type que de
types diffrents.
Les technologies : il est plus facile de se tenir un modle d'automate et de former
les techniciens sa programmation que de multiplier les formations.
Les modules : utiliser 20 moteurs lectriques ou 20 pompes centrifuges identiques
offre plus de facilit d'organisation de la maintenance que s'ils taient tous diffrents.
Les outillages : dmonter tout un module avec une cl de 13 est plus simple que
d'avoir inventorier toute sa caisse outils.
Les composants lmentaires : quincaillerie, visserie, graisseurs, robinets, trappes de
visites, interrupteurs sont autant d'lments qu'il est facile de standardiser.
Les lubrifiants et leur fournisseur : ne pas suivre les prconisations par rfrences de
marque, qui conduiraient une profusion de fts. Il existe des tableaux d'quivalence
et il suffit de 5 types d'huile et de 2 types de graisse pour assurer la lubrification d'un
site industriel.
Les procdures : standardiser leur prsentation facilite lexploitation.
Les fournisseurs : un quilibre est trouver entre le monopole accord un
fournisseur privilgi et la multiplication des sources.
Notons que la normalisation est un outil de standardisation, qui elle-mme facilite
interchangeabilit.
Accessibilit :
Elle est caractrise par la rapidit avec laquelle un lment peut tre atteint. Elle doit tre
d'autant mieux matrise que la frquence probable des oprations de maintenance est grande.
C'est le cas des filtres, des graisseurs, des points de rglage, de mesure, de surveillance, etc.
Dans certains cas, l'accessibilit peut tre dfinie sur des bases rglementaires touchant la
scurit (exemple : chafaudage) ou ergonomiques (dimensions de l'ouverture d'un trou
d'homme ou d'une trappe de visite).
79
Aptitude la pose et la dpose :
Elle concerne les modules qui ncessitent un change standard en prventif ou en cas de
dfaillance. Elle concerne les liaisons supprimer pour isoler le module de son ensemble.
Prenons l'exemple d'un groupe moteur lectrique / pompe centrifuge : la dpose se rapporte
llectricit (consignation, accs au bornier, connectique), l'hydraulique (vannes d'isolement,
vidange, boulonnerie des brides), la mcanique (boulonnerie de la fixation). Des solutions
plus ou moins rapides existent pour faciliter chacune de ces oprations de maintenance.
Quelques problmes optimiser pour amliorer l'aptitude la pose / dpose
rduction du nombre de liaisons ;
rduction du nombre d'outils utiliser (standardisation des liaisons) ;
assurer un pr positionnement la pose : repres, ttons de centrage, rails de guidage,
dtrompeurs ;
absence de rglages, prfrable des rglages longs et dlicats ;
facilit d'accs.
Notons que l'interchangeabilit d'un module se fait souvent en temps rel d'indisponibilit
de l'quipement, contrairement sa remise en tat ralise en temps diffr. Son aptitude la
dpose est donc un facteur de disponibilit de lquipement.
Dmontabilit :
Elle concerne laccs plus ou moins facile et plus ou moins rapide des composants
potentiellement fragiles et inaccessibles lorsque le sous-ensemble est mont. Elle se
caractrise par des manuvres rapides (portes de visites et capots avec verrous et charnires)
demandant un minimum d'outils standards et facilites par une documentation efficace
(perspective clate montrant le fractionnement des lments).
Dtectabilit :
Elle concerne la rduction des temps de localisation et de diagnostic, principalement pour les
PC des quipements. Un logiciel de recherche et de localisation des dfauts, les outils d'aide au
diagnostic, une supervision, mais aussi un simple voyant ou le reprage des cbles et des
points de mesure sont autant d'lments de rduction des temps d'investigation. La ralisation
d'une AMDEC amne le concepteur valuer le critre dtectabilit et proposer des
solutions si ncessaire.
Tout ce qui peut tre intgr la conception d'un quipement afin de faciliter sa maintenance
ultrieure est un critre de maintenabilit. Il en est ainsi pour l'installation de compteurs
d'units d'usage, pour les taraudages permettant la fixation dun acclromtre de surveillance
vibratoire, pour le reprage visuel des graisseurs, pour la prsence d'un anneau d'lingage sur
le bti, etc.
le soutien logistique accompagnant lquipement est galement un critre de maintenabilit.
Quelques exemples :
la possibilit de dpannage par tlphone (tlmaintenance) ;
la formation des techniciens aux interventions correctives probables ;
80
l'obtention rapide de pices de rechange sans ambigut de rfrences ;
le srieux, la prennit et la proximit du SAV
La logistique de maintenance est distincte de la maintenabilit. Beaucoup d'lments de la
logistique de maintenance convergent avec les lments de maintenabilit intrinsque afin de
rduire les temps d'intervention et les cots d'indisponibilit des quipements industriels.
Citons en particulier :
la qualit de la documentation technique (DTE),
la disponibilit des rechanges en stock interne,
l'efficacit des moyens mis disposition.
81
III APPROCHE MATHEMATIQUE DE LA MAINTENABILITE M(t) :
La figure ci-dessous schmatise les tats successifs que peut prendre un systme rparable :
Dbut
dintervention
Mise en 1re Remise 2me
service dfaillance en service dfaillance
MTBF
Les N valeurs de l'chantillon des dures d'intervention seront releves partir des bons de
travaux complts, puis ports sur l'historique d'un quipement, que ce soit sous une forme
papier ou cran .
Lanalyse de maintenabilit peut porter sur lensemble de l'quipement (afin de dterminer sa
disponibilit oprationnelle le plus souvent), ou sur l'un quelconque de ses modules. C'est ainsi
que sont labors par exemple les barmes de temps de rparation automobile.
Il existe une analogie forte entre les notions de fiabilit et de maintenabilit. Les dmarches
danalyse sont donc semblables :
82
De faon analogue au taux de dfaillance, on
dfinit un taux de rparation (t) tel que : ( )
( )
( )
( )
Les calculs prvisionnels de maintenabilit reposent sur lhypothse exponentielle, signifiant
ici que le taux de rparation est suppos constant. La rpartition des TTR est alors
exponentielle.
M(t)
M(t)
t
MTTR
FIABILITE MAINTENABILITE
Probabilit dure de bon fonctionnement Probabilit de dure de rparation
( ) ( ) ( ) ( )
Fiabilit : Maintenabilit :
( ) ( )
( ) ( ) ( ) ( )
( ) () ( )
( ) ( )
( ) ( ) ( )
83
MTBF= mean time between failures : MTTR= mean time to repair :
( ) () ( )
( ) ( )
( ) ( ) ( ) ( )
84
IV Exemples dapplication
On possde un chantillon de N=19 valeurs issues du retour de bons de travaux en clientle,
dans le cadre dun contrat de maintenance. Ces interventions correctives se rapportent un
mme module fragile de lquipement maintenir. Une rvision des prix du contrat simpose.
Mais sur quelle base de temps ?
Lobjectif est donc de dterminer, laide de la loi LVE la loi de maintenabilit du module et
sa MTTR.
Les TTR relevs et classs par ordre croissant sont les suivants :
( )
Travail demand :
1. Dterminer les valeurs des M(ti) par approximation des rangs mdians et complter le
tableau ci-dessus
2. Porter les couples de points (M(ti), TTRi) sur le papier fonctionnel de Gumbel
3. Tracer la droite de rgression
4. Dterminer les paramtres a et u de la loi de Gumbel
5. Etablir la loi de maintenabilit
6. Calculer la MTTR
85
7. Calculer la probabilit associe la MTTR
8. Calculer la probabilit de terminer en moins de 11 heures puis en moins de 5 heures
9. Refaire les questions 7 et 8 de manire graphique
10. Dterminer le TTR correspondant une probabilit de 90%
86
Solution
2=16,6
14
11
MTTR=7,64
1=5,5
Loi de maintenabilit :
( ))
( ) (
87
MTTR :
()
( ( ))
( )
( )
( ) ( )
( ( ))
()
( ) ( )
( ) ( )
( )
88
Chapitre I : Concept de Disponibilit
Chapitre II : La Disponibilit des Systmes Rparables
89
Chapitre I : Concepts de Disponibilit
I. Introduction
La politique de maintenance dune entreprise est fondamentalement base sur la disponibilit
du matriel impliqu dans le systme de production. Pour qu'un quipement prsente une
bonne disponibilit, il doit :
Avoir le moins possible d'arrts de production
Etre rapidement remis en bon tat s'il tombe en panne
La disponibilit d'un quipement dpend de nombreux facteurs :
DISPONIBILIT OPRATIONNELLE
Constate sur le terrain
90
II. Quantification de la disponibilit :
La disponibilit peut se mesurer :
sur un intervalle de temps donn (disponibilit moyenne),
un instant donn (disponibilit instantane),
la limite, si elle existe, de la disponibilit instantane lorsque t (disponibilit
asymptotique)
La disponibilit moyenne sur intervalle de temps donn peut tre value par le rapport
suivant :
O :
TCBF = temps cumul de bon fonctionnement
TCI = Temps cumul dimmobilisation.
Remarque :
Le temps cumul dimmobilisation comprend les temps dintervention et les temps
logistique.
En anglais: TMD = MUT (Mean Up Time) et TMI = MDT (Mean Down Time).
Exemple:
Dans des quipements de surveillance ou de secours (tels que la surveillance dun racteur
nuclaire, le pilote automatique dun avion, la source dnergie autonome dun engin spatial),
lindisponibilit doit tre < 10-5.
Elle exprime le point de vue du concepteur. Ce dernier a conu et fabriqu le produit en lui
donnant un certain nombre de caractristiques intrinsques, cest dire des caractristiques qui
prennent en compte les conditions dinstallation, dutilisation, de maintenance et
denvironnement, supposes idales.
91
CONSTRUCTEUR Fiabilit intrinsque
Caractristiques intrinsques de
lentit
Maintenabilit intrinsque
Condition dexploitation et de
maintenance idales
DISPONIBILITE INTRINSEQUE
UTILISATEUR Maintenance
Caractristiques dexploitation et
de maintenance Aptitude au soutien en maintenance
Condition dexploitation et de
maintenance relles
DISPONIBILITE
OPERATIONNELLE
Exemple :
Un fabricant de contacteur indique que tel type de contacteur peut supporter 1 million de
cycles de manuvres dans des conditions dutilisation bien prcises.
Le calcul de la disponibilit intrinsque Di fait appel 3 paramtres :
TBF : temps de bon fonctionnement
TTR : temps techniques de rparation
TTE : temps techniques dexploitation
Exemple:
Un fabricant de machines-outils prvoit en accord avec son client la disponibilit intrinsque
dune machine en prenant compte des conditions idales dexploitation et de maintenance :
Temps douverture mensuel = 400 heures
1 changement de fabrication par mois = 6 heures
Maintenance corrective mensuelle : taux de dfaillance = 1 pannes / mois ; TTR estim = 4
heures
Maintenance prventive mensuelle = 3 heures
92
Exemple :
Sur la machine outil prcdente, une tude dexploitation sur un mois a conduit aux rsultats
rels suivants :
Temps douverture mensuel = 400 heures
Changement de production = 6 heures
Manque approvisionnement matire = 3 heures
Maintenance prventive = 3 heures
Maintenance corrective = 8 heures (3 heures dattente maintenance + 5 heures
dintervention)
Machine-outil :
Le responsable maintenance d'une entreprise a le fichier historique d'un matriel quip d'un
terminal de saisie des donnes de production. Ces donnes sont rcapitules dans le tableau
ci-dessous.
93
Solution :
Pice de Cots en
N Dfaillance Cause TBF en h. TTR en h.
rechange .
1 Moteur Electrique 80 Contacteur 300 2
Relais
2 Moteur Electrique 40 300 3
thermique
3 Broche Mcanique 50 Courroie 150 2
4 Broche Mcanique 100 Roulement 200 8
5 Avance Electrique 60 Pignon 300 5
6 Avance Electrique 40 Relais 150 2
7 Lubrification Mcanique 20 Moteur 600 3
8 Lubrification Hydraulique 5 Pignon 100 4
9 Lubrification Hydraulique 10 Filtre 100 3
10 Lubrification Hydraulique 20 Rservoir 0 1,25
425 33,25
MTBF MTTR Di
42,5 3,325 92,74%
94
Chapitre II : La Disponibilit des Systmes Rparables
1.1 Dfinition :
La disponibilit est laptitude dun bien tre en tat daccomplir une fonction requise dans
des conditions donnes, un instant donn ou durant un intervalle de temps donn, en
supposant que la fourniture des moyens extrieurs est assure. Les moyens autres que la
logistique de maintenance (personnel, documentation, rechanges, etc.) naffectent pas la
disponibilit dun bien.
LOGISTIQUE
FIABILITE MAINTENABILITE
prdfinie
DISPONIBILITE LOGISTIQUE DE
INTRINSEQUE MAINTENANCE
DISPONIBILITE
OPERATIONNELLE
95
Concepteur Utilisateur
Disponibilit
intrinsque
Di Logistique de
maintenance
Fabrication
Ligne de
production U1 U2 ... Ui Un
U
Disponibilit
prvisionnelle
Dprv
Disponibilit
Conception Disponibilit
oprationnelle de
globale de la
lunit Ui
ligne Dg
DopUi
Disponibilit
Contractuelle
Dc
Bureau des mthode
Analyse des disponibilits
DopUi / Dg
Dg / Objectif fix
Disponibilit Disponibilit
instantane asymptotique
D(ti) D
On obtient une valeur moyenne de Dop mesure sur un intervalle de temps t (dune journe
un an). Cette disponibilit propre est un indicateur de gestion technique, spcifique la
maintenance. Elle suppose la prise en compte de micro dfaillances par saisie automatique
des micro arrts et par imputation code des causes intrinsques darrts, car elles
reprsentent le gisement majeur damlioration de la disponibilit.
96
Le suivi priodique de Dop permet de tracer le graphe dvolution montrant lefficacit des
actions de maintenance.
Disponibilit idale=1
Disponibilit
asymptotique D Ligne de
tendance
Disponibilit
oprationnelle Dop
Temps dusage
t
97
1.3 Analyse de la disponibilit oprationnelle :
Lanalyse qualitative de la disponibilit passe par lanalyse des MTI. Aprs avoir class et
slectionn certaines indisponibilits critiques ou anormales, on peut analyser lindisponibilit
3 niveaux :
98
Cot
s
Cots de dfaillance
Cots indirects
Cots directs
Zone doptimal
conomique
0 2 4 6 8 10 12 14 18 20 22 TAM
16
Do (en heures darrt)
Disponibilit 1 0.99 0.98 0.97 0.96 0.95
oprationnelle
Disponibilit
conomique
MTBF : moyenne des temps de bon MTTR : moyenne des temps techniques de
fonctionnement rparation
MTI : moyenne des temps dindisponibilit MTBM : temps moyen entre actions de
RT : ready time ou temps moyens maintenance prventive ou corrective
dattente, le systme tant prt fonctionner MMT : temps moyen des actions prventives
MTL : moyenne des temps logistique ou correctives
La saisie traditionnelle par BT, relevs compteurs ou feuilles de saisie documentes par un
oprateur nest pas pertinente pour valuer rgulirement lindicateur Dop, qui doit
obligatoirement intgrer les micros temps dindisponibilit pour tre significatif.
La saisie automatique en temps rel des arrts de production est presque toujours disponible
(gestion de production) par information des entres-sorties du systme de commande.
Par contre, il faudra mettre en place une saisie semi-automatique pour imputer chaque arrt a
un code recensant les causes d'arrt propres et les m causes d'arrt induits par
l'environnement du systme.
L'imputation des feuilles de saisie par usage de code-barres est envisageable.
99
Le redmarrage conditionn l'imputation garantit que l'imputation d'un arrt une cause est
ralise (sans qu'elle soit pour autant pertinente).
Un autre problme matriser est le code causes diverses ou autres causes : il n'est pas
facile de cibler des actions d'amlioration lorsque 66 des arrts ont des causes diverses non
identifies !
La qualit des saisies est donc un facteur prpondrant de la valeur de l'indicateur
disponibilit et de l'efficacit des actions d'amlioration que l'on va en dduire.
( )
( )
Quand ( ) tend vers une limite asymptotique D qui se traduit par les formules
suivantes :
100
2.4 Composition des disponibilits asymptotiques :
Lobjectif est de modliser la disponibilit dun systme Dg partir de la disponibilit DUi de
ses units constitutives. Il faut cependant envisager 2 cas :
Les lments sont statistiquement indpendants (rare dans le cas des systmes automatiss)
Les lments sont statistiquement dpendants (le plus frquent) car une dpendance
fonctionnelle cre une dpendance sur les probabilits.
Une chane est constitue de diffrentes units (ou machines) ayant leur vie propre (bon
fonctionnement, mode dgrade, panne, etc.), donc leur disponibilit DUi.
Flux
dentre Sortie
U1 U2 U3 Ui Un
[ ] ( )
101
Dtecter lunit pnalisante,
Engager une action de fiabilit maintenabilit pour lemmener au niveau des autres
units mais inutile de pousser au dessus,
Vrifier lhomognit des Di.
Exemple :
[ ] ( )
( )
Cet exemple montre trs simplement que pour amliorer la disponibilit dune ligne, il suffit
de sattaquer lunit la plus pnalisante.
Pour plus de simplicit, la formule de Dg a t mise en abaque pour un nombre dunits
important.
Ex : pour 50 units de DUi=0,97, Dg=0,40.
Ex : pour une Dg=0,6, avec 30 unit, DUi=0,978
102
dfaillante pendant une dure tablie partir du temps moyen darrt le plus important
enregistr en rgime normal.
Les stocks intermdiaires SI sont reconstitus en faisant varier les cadences.
SI SI SI SI (stock intermdiaire)
Flux
dentre Sortie
U1 U2 U3 Ui Un
Dans ce type de ligne, toutes les units permettant daccomplir la fonction requise, elles
fonctionnent simultanment en dessous de leur capacit thorique. En cas de panne, leurs
cadences augmentent pour accomplir la fonction requise.
Flux U1
dentre Sortie
U2
Ui
Un
103
Remarque :
dans le cas de 2 machines en redondance passive en parallle, lorsque les 2 lments
sont en tat de marche, un seul fonctionne ; lorsquil tombe en panne, lautre se met en
marche ;
dans le cas dun montage en parallle de n lments identiques sans redondance, la
disponibilit de la ligne est la moyenne des disponibilits.
104
REFERENCES BIBLIOGRAPHIQUES
[1] B.S. Dhillon, Ph.D. Engineering Maintainability: How to Design for Reliability and
Easy Maintenance 257 pages Publisher: Elsevier Science & Technology Books I SBN:
088415257X Pub. Date: Jeune 1999
[2] Jan Claude Ligeron cours de Fiabilit en Mcanique M20S/IMdR2009 779 page
1. Procaccia H., Aufort P., Arsenis S., The European Industry Reliability Data Bank
(EIReDA),Third Edition, 1998.
2. Exida L.L.C., Electrical &Mechanical Component Reliability Handbook, 2005.
3. G. Thoquenne . Prvisions des dures de vie en fatigue des roulements. PhD Thesis.
Ecole Polytechnique ,2004.
4. Rausand M., Hyland A., System Reliability Theory, Models, Statistical Methods, and
applications, Second Edition, New Jersey, Editions Wiley, 2004.
5. J.H Horng, M-L, and J-S Lee. The contact characteristics of rough surfaces in line
contact during running-in process Wear, (253) ,2002, p. 899- 913
6. D.H. Kelly, C.G. Barnes, R.W .Freeman, and G.W .Critchlow . Running in and the
enchancement oh scuffing resistance. In Proc. IME Volume 206 p 425-429,.
7. C.C. Chou and J.F. Lin . Tribological effects of roughness and running in on the oil
lubricated line contacts. In Proc. IME Volume 211 ,2002, p.209-222, 1997.
8. P.Pawlus. A study on the fonctionnal properties of honed cylinders surface during
running- in . Wear, (176): 1994, p. 247-254
9. Carroll K.J., On the use and utility of the Weibull model in the analysis of survival
data, Controlled Clinical Trials, vol. 24, 2003, p. 682-701.
10. Barger P. Evaluation et Validation de La Fiabilit et de la disponibilit des Systmes
DAutomatisation Intelligence Distribue, en Phase Dynamique. Thse de Doctorat
de lUHP Nancy 1, France, 2003
11. P. Lyonnet . Ingnierie de la Fiabilit. Edition Tec et Doc, Lavoisier, Paris 2006.
12. H. Langseth, L. Portinale, Bayesian networks in reliability, Reliability Engineering and
System Safety 92 (2007) 92108
13. XieM, Lai, CD.On the increase of the expected lifetime by parallel redundancy. Asia
Pac J Oper Res 1996;13:1719.
14. Guangbin Yang, Life Cycle Reliability Engineering. 2007 John Wiley & Sons, Inc.
ISBN: 978-0-471-71529-0
105
15. Dragan Komljenovic, Structure de systme et redondance, Cours Ecole de Technologie
Superieure, Universit de Qubec
16. Toshio Nakagawa, Advanced Reliability Models and Maintenance Policies, (Springer
series in reliability engineering) 2008 Springer, London Limited ISBN-13:
9781848002937
17. Olivier Basile. Modlisation de la fiabilit des quipements mcaniques. Travail de fin
dtudes, Facult Polytechnique de Mons, 2001.
18. P. Chapouille. Fiabilit. Maintenabilit. Techniques de lingnieur, 6 : T4300-T4305,
1980.
106